> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/moderu/cosmos-3.md).

# NVIDIA Cosmos 3：ローカルで実行する方法

Unsloth を使って NVIDIA Cosmos 3 のワールドモデルをローカルで実行します。テキストから動画、画像から動画、動画の続きの生成、動画のスタイル変更に対応しています。

**NVIDIA Cosmos 3** は、フィジカルAI向けのオムニモーダルなワールドモデルファミリーです。 **Cosmos3-Nano** （16B）と **Cosmos3-Edge** （4B）は、Unslothで **テキストから動画への生成** と **画像から動画への生成**を実行でき、Cosmos3-Nanoはさらに **クリップを続きから生成**. **Cosmos3-Nano-Sim-Transfer** は、既存の動画をそのエッジからスタイル変換します。 **スタイル変換** タブで利用できます。 **Reasoner** の読み込みとLoRAの設定はUnslothで行えます。Reasonerのトレーニングについては、未検証の例として以下で説明します。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FUUdAGmDpMwHPVOpzFcp4%2Fcosmos-3-nano-t2v.gif?alt=media" alt="Cosmos3-Nano text-to-video: a robot arm places a red box on a pallet beside a conveyor" width="563"><figcaption><p>Cosmos3-Nano、832×480、93フレーム、シード42、約50秒</p></figcaption></figure>

Cosmos 3には、2種類のランタイムインターフェースがあります。NVIDIAの **Generator** モデルは、テキスト、視覚情報、音声、アクションを入力として受け取り、動画、音声、アクションを出力できます。Unslothが生成するのは動画のみです。音声トークナイザーを読み込まないため、クリップに音声トラックはなく、アクションの入出力も公開されていません。 **Reasoner** はテキストと視覚情報を入力として受け取り、世界の理解、物理的推論、タスク計画、アクション予測のためのテキストを生成します。

テキストから動画への生成、画像から動画への生成、動画の続きの生成は、diffusersのCosmos3OmniPipelineパイプラインを通じてローカルで実行されます。スタイル変換では、stable-diffusion.cpp上でCosmos3-Nano-Sim-Transferを実行します。

* **Cosmos3-Edge（4B）：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Edge)
* **Cosmos3-Nano（16B）：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Nano)
* **Cosmos3-Nano-Sim-Transfer：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Transfer)
* **ドキュメント：** [NVIDIA Cosmosのドキュメント](https://docs.nvidia.com/cosmos/latest/cosmos3/model_reference.html) および [Cosmosリポジトリ](https://github.com/NVIDIA/cosmos)

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FwOasrmOzKWt7wJQLju9g%2Fcosmos-3-flow.gif?alt=media" alt="Animation: search Cosmos3 in the Video model picker, pick Cosmos3 Edge, wait for the download and load, add a start frame, click Generate and get a robot arm clip" width="563"><figcaption><p>Cosmos3-Edgeを使ったUnslothのワークフロー（高速化済み）</p></figcaption></figure>

{% hint style="info" %}
**注**

Cosmos 3のGeneratorサポートは [PR #14554](https://github.com/unslothai/unsloth/pull/14554)で追加されました。256pの生成、モデル固有のフレームレート、モデル選択画面でのCosmos3-Nano、Nanoによる動画の続きの生成、スタイル変換を利用するには、Unsloth v0.1.917-beta以降を使用してください。v0.1.918-betaの次のリリースでは、 [PR #18116](https://github.com/unslothai/unsloth/pull/18116)の変更が追加されます。これには、デフォルトでオフになっているセーフティチェッカー（ステップ2）、 **スタイル変換を設定** ボタン（ステップ6）、Balancedを超えるメモリを使用しない **Low VRAM** モード、トレーニング時の832×480で開くVideoページが含まれます。詳細は、 [Unslothの更新](https://unsloth.ai/docs/get-started/install/updating).
{% endhint %}

## メモリと速度

Unsloth（main、11月16日）で、NVIDIA RTX PRO 6000（96 GB）を使用して測定しました。1回につき1クリップ、シード42、モデルのデフォルト設定（Edgeは20ステップ、Nanoは35ステップ、ガイダンス6、24 FPS）です。ピークVRAMは、起動直後の環境で `nvidia-smi`が報告するGPU全体の値です。これらは測定した構成であり、ハードウェアの最小要件ではありません。

| モデル                           | モード                | メモリ                | 設定                     | 時間     | VRAMのピーク使用量 |
| ----------------------------- | ------------------ | ------------------ | ---------------------- | ------ | ----------- |
| **Cosmos3-Edge (4B)**         | テキストから動画           | 自動（常駐）             | 832×480、53フレーム         | 6.8秒   | 13.6 GiB    |
| **Cosmos3-Edge (4B)**         | テキストから動画           | 自動（常駐）             | 832×480、121フレーム        | 16.6秒  | 14.0 GiB    |
| **Cosmos3-Edge (4B)**         | テキストから動画           | 自動（常駐）             | 832×480、149フレーム        | 20.4秒  | 13.7 GiB    |
| **Cosmos3-Edge (4B)**         | 画像から動画             | 自動（常駐）             | 832×480、121フレーム        | 15.9秒  | 約15 GiB     |
| **Cosmos3-Edge (4B)**         | テキストから動画           | バランス（INT8、ストリーミング） | 832×480、121フレーム        | 23.5秒  | 7.6 GiB     |
| **Cosmos3-Nano (16B)**        | テキストから動画           | 自動（常駐）             | 832×480、93フレーム         | 49.8秒  | 36.4 GiB    |
| **Cosmos3-Nano (16B)**        | テキストから動画           | 自動（常駐）             | 832×480、189フレーム        | 118.8秒 | 36.8 GiB    |
| **Cosmos3-Nano (16B)**        | テキストから動画           | 自動（常駐）             | 1280×720、189フレーム       | 394.9秒 | 44.8 GiB    |
| **Cosmos3-Nano (16B)**        | 画像から動画、続きの生成       | 自動（常駐）             | 832×480、49フレーム         | 23.8秒  | 43 GiB未満    |
| **Cosmos3-Nano (16B)**        | テキストから動画           | バランス（INT8、ストリーミング） | 832×480、49フレーム         | 41.6秒  | 9.0 GiB     |
| **Cosmos3-Nano-Sim-Transfer** | スタイル変更（BF16）       | sd.cpp             | 832×480、121フレーム、30 FPS | 37.5秒  | 39.8 GiB    |
| **Cosmos3-Nano-Sim-Transfer** | スタイル変更（Q8\_0 GGUF） | sd.cpp             | 832×480、121フレーム、30 FPS | 37.2秒  | 29.0 GiB    |

このマシンでは、どちらのモデルもローカルキャッシュからの読み込みに約8秒かかりました。初回のダウンロードには、Edge（9.2 GB）で約1分、Nano（約33 GB。音声トークナイザーはスキップ）で約3分かかりました。With **メモリ：自動** 重みを収容できないGPUでは、Unslothがオフロードモードを自動的に選択します。 **バランス** トランスフォーマーをストリーミングし、ロード時にINT8量子化します。Edgeでは121フレーム時の使用量が14.0 GiBから7.6 GiBに、Nanoでは49フレーム時に9.0 GiBとなりました（常駐する重みだけで約31 GiBを占めます）。ステップあたりの時間は約1.5倍です。v0.1.918-beta以前では、 **低VRAM** Cosmos 3のNanoでは、バランスモードより多くのメモリを使用していました（18.9 GiB）。次のリリースからはトランスフォーマーとテキストエンコーダーをストリーミングするため、ピーク使用量がバランスモードを上回ることはありません。同じGPUで、Nanoの低VRAMモードのピーク使用量は18.9 GiBから8.4 GiBに、Edgeは8.6 GiBから7.6 GiBに減少し、速度はバランスモードと同等です。

NVIDIAは、Cosmos3-Nano、Cosmos3-Super、Cosmos3-Edge用の事前量子化済みFP8チェックポイントを公開しています。Unsloth Desktop v0.1.920-betaでは、追加のNVIDIAパッケージなしで、VideoページからNano-FP8とEdge-FP8をロードできます。StudioでのSuper-FP8のロードは未検証です。Unslothではロード時にINT8が適用され、デフォルトの精度はBF16です。速度最適化を無効にすると、Unslothの出力は同じシードを使った通常のdiffusersパイプラインの出力と、動画エンコードに伴うノイズの範囲内で一致しました。デフォルトの速度設定では、細部にわずかな違いはあるものの、同じシーンと動きが得られます。

## サポートされている生成設定

| 設定             | サポートされている値                                                                           |
| -------------- | ------------------------------------------------------------------------------------ |
| **解像度の段階**     | Nano：256p、480p、720p。Edge：256p、480p。サイズを指定しない場合、Nanoでは1280×720、Edgeでは832×480が使用されます。  |
| **アスペクト比**     | 480pと720pでは16:9、4:3、1:1、3:4、9:16。256pのサイズは320×192、192×320、256×256、320×256、256×320です。 |
| **フレームレート**    | Nano：10、16、24、30 FPS。Edge：12～30 FPS。デフォルト：どちらも24 FPS。                                |
| **フレーム数**      | Nano：5～397（デフォルト189）。Edge：53～149（デフォルト121）。どちらもフレーム数は4k+1です。                         |
| **精度**         | BF16、またはバランスモードと低VRAMモードでロード時に適用されるINT8                                              |
| **GPUアーキテクチャ** | ここに記載した測定値は、NVIDIA RTX PRO 6000（Blackwell）でのものです。その他のGPUは測定対象外です。                    |

これらの範囲外の設定を指定すると、Unslothは最も近いサポート値を示すメッセージとともに拒否します。たとえば、Edgeで50フレームをリクエストすると、53が提案されます。

{% hint style="warning" %}
**重要**

**Cosmos3-Edge** は、Unslothで256pと480p、12～30 FPS、53～149フレーム（デフォルト121）をサポートしています。クリップの続きを生成する機能はありません。Nanoでは、条件付け用の5フレームを使ってクリップの続きを生成できます。Restyleでは、別のモデルCosmos3-Nano-Sim-Transferを使用します。
{% endhint %}

16:9で出力する場合、 **ビジョン条件付け** には、720pで1280×720、480pで832×480を使用します。パイプラインは条件付け画像を出力サイズに合わせてリサイズおよびクロップするため、出力と同じアスペクト比にするとクロップを避けられます。Nanoの動画続行では、条件付け用の5フレームが維持されます。ワールド生成プロンプトは、およそ300語以内にしてください。

## クイックスタート

### ステップ1. Unslothをセットアップする

最も簡単な始め方は、 [Unsloth Desktopアプリ](https://unsloth.ai/docs/desktop)をダウンロードすることです。 [macOS](https://unsloth.ai/docs/get-started/install/mac), [Windows](https://unsloth.ai/docs/get-started/install/windows-installation)、および [Linux](https://unsloth.ai/docs/get-started/install/linux).

でも動作します。または、手動でインストールします。macOS、Linux、WSL：

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

Windows PowerShell：

```powershell
irm https://unsloth.ai/install.ps1 | iex
```

UnslothはCosmos 3を実行できるバージョンのdiffusersをインストールするため、Cosmos3-Edgeにほかのものは必要ありません。diffusersが0.41より古い場合、UnslothはCosmos 3の実行を拒否し、更新方法を示すメッセージを表示します。

### ステップ2.（任意）セーフティチェッカーを有効にする

Cosmos 3のモデルリポジトリはアクセス制限されておらず、NVIDIAのコンテンツセーフティフィルター（Cosmos guardrail）はUnslothのすべてのCosmos 3モデルで **デフォルトで無効** になっているため、この手順は省略できます。ロードログに無効であることが表示されます。このデフォルト設定にはv0.1.918-betaより後のリリースが必要です。それ以前のリリースではCosmos3-Nanoのguardrailが有効になっており、セットアップするか、 `UNSLOTH_COSMOS3_SAFETY_CHECKER=0` を設定するまでロードが拒否されます。

セーフティチェッカーを有効にするには、次の手順を実行します：

1. セーフティチェッカーを有効にしてUnslothを起動します。

```bash
UNSLOTH_COSMOS3_SAFETY_CHECKER=1 unsloth studio
```

2. インストール `cosmos-guardrail` をUnsloth専用の環境にインストールします。これをインストールせずにCosmos 3モデルを読み込むと、Unslothは、インストールを所有するアカウント向けに **ガードレールをインストール** ボタンを含むメッセージを表示します。このボタンをクリックすると、再起動せずにインストールできます。または、メッセージに表示されるコマンドを実行してください。通常の `pip install` では別のPython環境にインストールされるため、Unslothでは使用されません。

```bash
uv pip install --python ~/.unsloth/studio/unsloth_studio/bin/python cosmos-guardrail
```

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FauTn508CXQokJ7s4B9Yd%2Fcosmos-3-guardrail-install.png?alt=media" alt="Message: the Cosmos safety checker needs cosmos-guardrail, with the install command, the licence link and an Install guardrail button" width="400"><figcaption><p>セーフティチェッカーは有効ですが、cosmos-guardrailが見つかりません</p></figcaption></figure>

3. Hugging Faceアカウントで [nvidia/Cosmos-1.0-Guardrail](https://huggingface.co/nvidia/Cosmos-1.0-Guardrail) のライセンスに同意してください。このリポジトリはアクセス制限付きですが、同意するとすぐにアクセスが許可されます。
4. そのアカウントのHugging FaceトークンをUnslothの **設定**に追加します。Cosmos 3モデルを初めて読み込むときに、ガードレールはこのリポジトリから独自の重みをダウンロードします。

セーフティチェッカーが有効な場合、Unslothはモデルをダウンロードする前に、トークンでガードレールのリポジトリを読み取れるか確認します。アクセス権がない場合、約33 GBのNanoモデルのダウンロード後ではなく、数秒以内に読み込みが停止します。

### ステップ3：動画を生成する

サイドバーで **その他 → 動画** を開きます。モデル選択メニューをクリックし、 **Cosmos3** （または **Cosmos3-Edge** / **Cosmos3-Nano**）を検索して、モデルをクリックします。Unslothがモデルをダウンロードして読み込みます。ダウンロードの進捗は「ダウンロード」パネルに表示されます。

<div><figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FzV5LPOvMdCtYikhCnqrC%2Fcosmos-3-more-video.png?alt=media" alt="Sidebar with the More menu open and Video in the list" width="240"><figcaption><p>その他 → 動画</p></figcaption></figure> <figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FPxq0J6cSeQsu6uDm6RMl%2Fcosmos-3-picker-search.png?alt=media" alt="Video model picker search results with Cosmos3 Nano and Cosmos3 Edge" width="560"><figcaption><p>検索結果</p></figcaption></figure></div>

シーンを説明して、 **生成**をクリックします。最初は **480p、16:9、24 FPS** に設定し、動画がメモリに収まることを確認してからフレーム数を増やしてください。動画ページでは、Cosmos3-EdgeとCosmos3-Nanoのサイズは、学習済みサイズである **832 × 480**で開きます。また、 **学習済みサイズ** には現在使用中のサイズが表示されます（v0.1.918-beta以前では、 **学習済みサイズ** を開いて **832 × 480**を選択してください）。次に、動画の長さを選びます。学習済みサイズを使用してください。学習済みサイズ以外を選ぶと、ページに警告が表示されます。

生成結果はプレビューの下にあるギャラリーに表示されます。 **レシピ** には動画の設定が表示され、設定を復元できます。 **ダウンロード** をクリックするとMP4が保存されます。

<div><figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FQt4SWKQvNu2g1kT1cvZW%2Fcosmos-3-result.png?alt=media" alt="Video page with a finished Cosmos3-Edge clip of a robot arm and a box in a warehouse, and the gallery below"><figcaption><p>Cosmos3-Edge、832×480、121フレーム、約16秒</p></figcaption></figure> <figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FzAEkzEaTWgMGtnMo5fz6%2Fcosmos-3-recipe.png?alt=media" alt="Generation settings card with prompt, model, size 832 by 480, 121 frames at 24 fps, 20 steps, guidance 6 and seed 42" width="326"><figcaption><p>レシピカード</p></figcaption></figure></div>

### ステップ4：画像から動画を生成する

「 **作成**画像ファイルを **開始フレーム** プロンプトの下にあるボックスにドロップし、希望する動きを説明します。Cosmos 3は画像を条件として、そこから先の映像を生成します。クリップの最初のフレームには、元の画像が再現されます。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F3BphTOcb5eLWnkPv0ksE%2Fcosmos-3-settings.png?alt=media" alt="Create settings with a start frame, the aspect ratio set to Match source, 832 by 480, 121 frames, 24 FPS, 20 steps and guidance 6" width="400"><figcaption><p>Cosmos3-Edgeで設定した開始フレーム</p></figcaption></figure>

パイプラインは、条件付けに使う画像を出力サイズに合わせてリサイズおよびクロップします。クロップを避けるには、目標のアスペクト比に合わせてください。16:9の場合、480pは832×480、Nanoの720pは1280×720です。

### ステップ5. クリップを続ける（Nano）

Cosmos3-Nanoを読み込んだ状態で、動画を **クリップを続ける**にドロップし、 **最後のフレームから** （または最初のフレームから）を選び、続きに起こることを説明して、 **生成**をクリックします。Nanoはクリップの5フレームを保持し、その続きから生成します。Edgeにはこのセクションは表示されません。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FVAYRy5lq1iqte46gtG88%2Fcosmos-3-continue.png?alt=media" alt="Continue a clip with an uploaded clip and Continue set to From its last frames" width="400"><figcaption><p>クリップを続ける</p></figcaption></figure>

### ステップ6. 動画のスタイルを変更する（Cosmos3-Nano-Sim-Transfer）

「 **スタイル変更** 」タブでは、クリップの形状と動きをCannyエッジとしてトレースして保持し、プロンプトに基づいてstable-diffusion.cpp上のCosmos3-Nano-Sim-Transferで再描画します。832×480、30 FPSで最初の最大4秒を使用します。約40 GBのメモリを搭載したNVIDIA GPUが必要です（Q8\_0 GGUFでは約30 GB）。Linuxでのみテストされています。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fw7cDhGvQh2TocbZHDhyA%2Fcosmos-3-restyle.png?alt=media" alt="Restyle tab with the input clip, its edges and the restyled clip side by side"><figcaption><p>入力、エッジ、生成結果</p></figcaption></figure>

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FpftrDXCfsdtBfKbKZRv4%2Fcosmos-3-restyle-strip.gif?alt=media" alt="Animation: the input clip, its Canny edges and the restyled clip playing side by side" width="563"><figcaption><p>RTX PRO 6000で37.5秒間に121フレーム</p></figcaption></figure>

タブから一度だけスタイル変更をセットアップします。 **スタイル変更をセットアップ**をクリックしてください。モデル（約35 GB）がダウンロードされ、実行中は約67 GB、完了後は31 GBの空きディスク容量が必要です。Unslothはstable-diffusion.cppサーバーをインストールし、transformerのシャードを結合してWan2.2 VAEを変換し、進行状況を表示します。処理はキャンセルして再開できます。インストールを所有するアカウントのみ実行できます。macOS、NVIDIA GPUがない環境、またはGPUメモリが31 GB未満の場合は、開始前に処理を拒否します。GPUメモリが31～42 GBの場合は、約11 GB少ないメモリで動作するQ8\_0版を取得します。「スタイル変更をセットアップ」はv0.1.918-betaより新しいリリースが必要です。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fhg78J2NonBoxrafLzovl%2Fcosmos-3-restyle-setup.png?alt=media" alt="Restyle tab: Restyle is not set up yet, with the download and disk sizes and a Set up Restyle button" width="400"><figcaption><p>スタイル変更をセットアップ</p></figcaption></figure>

v0.1.918-beta以前では、次の手順で手動セットアップします。

1. transformerを次からダウンロードします： [nvidia/Cosmos3-Nano-Sim-Transfer](https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Transfer) 次に、シャードを以下を使って結合します： [`scripts/convert_cosmos3.py`](https://github.com/unslothai/stable-diffusion.cpp/blob/master/scripts/convert_cosmos3.py) unslothai/stable-diffusion.cppのもの：

```bash
python convert_cosmos3.py Cosmos3-Nano-Sim-Transfer/transformer cosmos3_nano_sim_transfer_bf16.safetensors
```

2. Wan2.2 VAEを単一の `wan2.2_vae.safetensors` ファイルとしてダウンロードします。リンクは [stable-diffusion.cppのCosmos 3ガイド](https://github.com/unslothai/stable-diffusion.cpp/blob/master/docs/cosmos3.md).
3. にあります。次のように、両方のパスを設定してUnslothを起動します：

```bash
UNSLOTH_COSMOS3_TRANSFER_MODEL=/path/to/cosmos3_nano_sim_transfer_bf16.safetensors \
UNSLOTH_COSMOS3_TRANSFER_VAE=/path/to/wan2.2_vae.safetensors \
unsloth studio
```

手動セットアップでは、Unslothのstable-diffusion.cppサーバーも必要です。このサーバーは、stable-diffusion.cpp上でモデル（たとえばGGUF画像モデル）を初めて実行するときにUnslothがダウンロードします。それまでは、タブに未セットアップと表示されます。 `sd-cli -M convert --type q8_0` で作成したQ8\_0 GGUFも使用でき、メモリを約11 GB節約できます。新しいリリースでも、これら2つの変数を設定すると、「スタイル変更をセットアップ」で管理されるファイルより優先されます。

## Cosmos 3 Reasonerをファインチューニングする

NVIDIAは、公開されているロボティクスVQAデータセットを使い、UnslothでCosmos3-Nano reasonerをファインチューニングし、社内のトレーニングスタックと同等の結果を得たと報告しています。以下の例ではCosmos3-Edgeのreasonerを読み込み、LoRAアダプターを追加します。このコードはUnsloth 2026.11.5およびtransformers 5.17を搭載したRTX PRO 6000で、そのまま実行できました。モデルはUnslothのCosmos3\_Edgeパッチを適用して読み込まれ、LoRAアダプター（学習可能なパラメーターは25.2M）が追加され、モデルはテキストプロンプトに応答しました。トレーニングとエクスポートはまだ検証されていません。

```python
from unsloth import FastVisionModel

model, processor = FastVisionModel.from_pretrained(
    "nvidia/Cosmos3-Edge",
    max_seq_length = 4096,
    load_in_4bit = False,
)

model = FastVisionModel.get_peft_model(
    model,
    r = 16,
    lora_alpha = 16,
    finetune_vision_layers   = True,
    finetune_language_layers = True,
)
```

独自の動画または画像QAデータセットで学習する前に、Cosmos 3でのLoRA学習と [エクスポート](https://unsloth.ai/docs/new/studio/export) を検証してください。一般的なデータセットの形式やハイパーパラメーターについては、 [Vision Fine-tuning](https://unsloth.ai/docs/basics/vision-fine-tuning) を参照してください。ただし、そこに記載された手順だけでは、Cosmos 3の学習サポートが確認されたことにはなりません。

主な用途：ロボティクスVQA、録画映像に基づく物理的推論、動画からのタスク計画と動作予測。

## 現在サポートされている機能

| ワークフロー                               | ステータス                                                                                                                    |
| ------------------------------------ | ------------------------------------------------------------------------------------------------------------------------ |
| テキストから動画への生成（Edge、Nano）              | サポート済み                                                                                                                   |
| 画像から動画への生成（Edge、Nano）                | サポート済み                                                                                                                   |
| 動画の続きを生成（Nano）                       | サポート済み                                                                                                                   |
| 動画のスタイル変換（Cosmos3-Nano-Sim-Transfer） | サポート済み。Restyleタブからセットアップします（v0.1.918-beta以前では手動セットアップ）。NVIDIA GPU搭載のLinuxでテスト済みです。                                       |
| Reasonerの読み込み、LoRAのセットアップと推論         | 上記の例で動作します                                                                                                               |
| ReasonerのLoRA学習とエクスポート               | 未検証                                                                                                                      |
| 動画（生成モデル）のLoRA学習                     | 未対応                                                                                                                      |
| 事前量子化済みのCosmos 3チェックポイント             | NVIDIAはNano、Super、EdgeのFP8チェックポイントを公開しています。Nano-FP8とEdge-FP8はDesktop v0.1.920-betaのVideoページで読み込めます。Super-FP8の読み込みは未検証です。 |
| Cosmos3-Super（64B）                   | 現在、Unslothでは利用できません                                                                                                      |

## トラブルシューティング

### モデルが読み込めず、ガードレールを求められる

セーフティチェッカーが有効な場合（`UNSLOTH_COSMOS3_SAFETY_CHECKER=1`）、メッセージ内の **ガードレールをインストール** をクリックする（または表示されたコマンドを実行する）と、 [nvidia/Cosmos-1.0-Guardrail](https://huggingface.co/nvidia/Cosmos-1.0-Guardrail) のライセンスに同意し、ステップ2と同様に、そのアカウントのHugging FaceトークンをSettingsに追加します。トークンからそのリポジトリにアクセスできない場合、モデルのダウンロード前にこの手順で読み込みが停止します。v0.1.918-beta以前では、この確認はダウンロード後に行われていました。デフォルト設定が変更される前のUnslothリリースでは、環境変数を設定していなくてもCosmos3-Nanoからガードレールを求められます。セットアップを行うか、Unslothを更新するか、次の設定でUnslothを起動してください。 `UNSLOTH_COSMOS3_SAFETY_CHECKER=0`.

### diffusersのバージョンが原因でUnslothがCosmos 3を拒否する

Cosmos 3にはdiffusers 0.41以降が必要で、Unslothは読み込み時にそれより古いバージョンを拒否します。動作するバージョンがインストールされるよう、Unslothを更新してください。

### モデルのメモリが不足する

Desktop v0.1.920-betaでは、VideoページでNVIDIAのNano-FP8とEdge-FP8がサポートされています。Super-FP8の読み込みは未検証です。メモリ使用量を減らすには：

* 設定の **Memory** を **Balanced** に設定します。これにより、トランスフォーマーがINT8でストリーミングされます。上記の測定では、Nanoは832×480、49フレームで9.0 GiBを使用しました。v0.1.918-beta以降のリリースでは、 **Low VRAM** Balancedを超えることはありません。以前のリリースではBalancedを選んでください。
* 解像度を下げてください。480pから256pまで選べます。
* フレーム数を減らしてください。Unslothでは、Edgeは53～149フレーム、Nanoは5～397フレームを4フレーム刻みで指定できます。
* Cosmos3-Nano (16B)ではなく、Cosmos3-Edge (4B)を使用してください。

### 「クリップを続ける」が表示されない

動画の続きの生成は、 **作成** Cosmos3-Nanoが読み込まれている場合にのみ表示されます。Cosmos3-Edgeではクリップを続けられません。

### Restyleのセットアップが必要と表示される

タブで **Restyleをセットアップ** をクリックしてください（ステップ6）。ボタンが表示されない場合は、その理由がメッセージに示されます。別のアカウントがインストールを所有している、GPUのメモリが31 GB未満である、NVIDIA GPUがない、またはOSがmacOSである場合です。v0.1.918-beta以前では、ステップ6の手順に従って `UNSLOTH_COSMOS3_TRANSFER_MODEL` と `UNSLOTH_COSMOS3_TRANSFER_VAE` を設定してUnslothを再起動してください。メッセージにstable-diffusion.cppサーバーがインストールされていないと表示される場合は、ImagesページでGGUF画像モデルを一度実行すると、Unslothがサーバーをダウンロードします。

## よくある質問

### GeneratorとReasonerの違いは何ですか？

NVIDIAの **Generator** モデルは、動画、音声、動作を生成できます。Unslothでは、テキスト、画像、またはクリップから動画を生成し、Cosmos3-Nano-Sim-Transferで動画のスタイルを変更できます。音声と動作の生成には対応していません。 **Reasoner** はテキストと視覚情報からテキストを生成します。Unslothでは読み込みとLoRAのセットアップが可能ですが、学習の手順はまだ検証されていません。

### 最初に使うモデルはどれがよいですか？

まずは **Cosmos3-Edge (4B)**&#x304B;ら始めてください。小型で高速なモデルです。メモリ表に記載された実測構成を参考にしてください。これは最低要件を保証するものではありません。 **Cosmos3-Nano (16B)** は、720pでの出力や動画の続きの生成が必要な場合に選んでください。

### Reasonerだけでなく、動画生成モデルも学習できますか？

まだできません。現時点でUnslothはCosmos 3のGenerator用LoRAを学習できません。

### Cosmos 3は音声を生成しますか？

NVIDIAのモデルは動画とともに音声もサポートしています。Unslothは音声トークナイザーを読み込まないため、生成されるクリップに音声はありません。

### すべてローカルで実行されますか？

モデルをダウンロードすれば、生成はお使いのデバイス上で実行されます。セーフティチェッカーを有効にしている場合、Cosmos 3モデルを初めて読み込むときに、UnslothはHugging Faceからガードレールの重みもダウンロードします。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/jp/moderu/cosmos-3.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
